32.电视采集项目流程spark篇通过Azkaban调度spark

新建AccessLogDriverCluster类

package com.it19gong.clickproject;



import java.sql.PreparedStatement;
import java.util.ArrayList;
import java.util.List;



import org.apache.spark.SparkConf;
import org.apache.spark.api.java.JavaRDD;
import org.apache.spark.api.java.JavaSparkContext;
import org.apache.spark.api.java.function.Function;
import org.apache.spark.api.java.function.VoidFunction;
import org.apache.spark.sql.DataFrame;
import org.apache.spark.sql.Row;
import org.apache.spark.sql.RowFactory;
import org.apache.spark.sql.SQLContext;
import org.apache.spark.sql.types.DataTypes;
import org.apache.spark.sql.types.StructField;
import org.apache.spark.sql.types.StructType;



public class AccessLogDriverCluster {
    static DBHelper db1=null;
    public static void main(String[] args) throws Exception {
        
        // 创建SparkConf、JavaSparkContext、SQLContext
                SparkConf conf = new SparkConf() 
                        .setAppName("RDD2DataFrameProgrammatically");  
                JavaSparkContext sc = new JavaSparkContext(conf);
                SQLContext sqlContext = new SQLContext(sc);
            
                // 第一步，创建一个普通的RDD，但是，必须将其转换为RDD<Row>的这种格式
                //获取昨天时间
                JavaRDD<String> lines = sc.textFile("hdfs://node1/data/clickLog/2019/08/31");
                
                // 分析一下
                // 它报了一个，不能直接从String转换为Integer的一个类型转换的错误
                // 就说明什么，说明有个数据，给定义成了String类型，结果使用的时候，要用Integer类型来使用
                // 而且，错误报在sql相关的代码中
                // 所以，基本可以断定，就是说，在sql中，用到age<=18的语法，所以就强行就将age转换为Integer来使用
                // 但是，肯定是之前有些步骤，将age定义为了String
                // 所以就往前找，就找到了这里
                // 往Row中塞数据的时候，要注意，什么格式的数据，就用什么格式转换一下，再塞进去
                JavaRDD<Row> clickRDD = lines.map(new Function<String, Row>() {

                    private static final long serialVersionUID = 1L;

                    @Override
                    public Row call(String line) throws Exception {
                        String itr[] = line.split(" ");
                           
                            String ip = itr[0];
                            String date = AnalysisNginxTool.nginxDateStmpToDate(itr[3]);
                            String url = itr[6];
                            String upFlow = itr[9];
                        
                        return RowFactory.create(
                                ip,
                                date,
                                url,
                                Integer.valueOf(upFlow)
                                );      
                    }
                    
                });
                
                // 第二步，动态构造元数据
                // 比如说，id、name等，field的名称和类型，可能都是在程序运行过程中，动态从mysql db里
                // 或者是配置文件中，加载出来的，是不固定的
                // 所以特别适合用这种编程的方式，来构造元数据
                List<StructField> structFields = new ArrayList<StructField>();
                structFields.add(DataTypes.createStructField("ip", DataTypes.StringType, true));  
                structFields.add(DataTypes.createStructField("date", DataTypes.StringType, true));  
                structFields.add(DataTypes.createStructField("url", DataTypes.StringType, true)); 
                structFields.add(DataTypes.createStructField("upflow", DataTypes.IntegerType, true));  
                StructType structType = DataTypes.createStructType(structFields);
                
                // 第三步，使用动态构造的元数据，将RDD转换为DataFrame
                DataFrame studentDF = sqlContext.createDataFrame(clickRDD, structType);
            
                // 后面，就可以使用DataFrame了
                studentDF.registerTempTable("log");  
                
                DataFrame sumFlowDF = sqlContext.sql("select ip,sum(upflow) as sum from log group by ip order by sum desc"); 
                
                db1=new DBHelper();
                final String sql="insert into upflow(ip,sum) values(?,?) ";
                sumFlowDF.javaRDD().foreach(new VoidFunction<Row>() {
                    
                    @Override
                    public void call(Row t) throws Exception {
                        // TODO Auto-generated method stub
                        PreparedStatement pt = db1.conn.prepareStatement(sql);
                        pt.setString(1,t.getString(0));
                        pt.setString(2,String.valueOf(t.getLong(1)));
                        pt.executeUpdate();
                    }
                });;
                
        
    }

}

打包

 

报错

删除apptest文件

再次打包

 

把打好的包拷贝出来

并且重命名

vim project.sh

/opt/modules/spark-1.5.1-bin-hadoop2.6/bin/spark-submit --class com.it19gong.clickproject.AccessLogDriverCluster --num-executors 3 --driver-memory 100m --executor-memory 100m --executor-cores 3 --files /opt/modules/hive/conf/hive-site.xml --driver-class-path /opt/modules/hive/lib/mysql-connector-java-5.1.28.jar /home/hadoop/sparkproject.jar

把原来的包删除

上传新的包

执行脚本

mysql数据多了两条

 打开azkaban的页面，这里再次提醒要用谷歌浏览器

 

 新建spark.job文件

#command.job
type=command
command=bash project.sh

打包成zip包

 上传zip包

开始执行

mysql数据库多了两天数据

到此为止整个项目结束了，由于本次项目中途事情比较多，所以从开始到结束花的时间比较长，请谅解！！！